Radiazione Valpolicella e Collio¶

PERISSINI FEDERICO 218299¶

FINOTTI JACOPO 217936¶

Dati utilizzati e sito di studio¶

Per quanto riguarda l'esercitazione relativa alla radiazione, i dati che sono stati utilizzati sono riferiti alla regioni della Valpolicella e di Collio, regioni dedicate alla coltivazione della vite per la produzione di vino.

Nell'immagine seguente viene mostrato la regione della Valpolicella.

In [1]:
from IPython.display import Image
import os
oms_project_path = os.path.dirname(os.getcwd())
Image(oms_project_path+"/Images/valpolicella-map.jpg")
Out[1]:

Nell'immagine seguente viene mostrato la regione della Collio.

In [2]:
from IPython.display import Image
import os
oms_project_path = os.path.dirname(os.getcwd())
Image(oms_project_path+"/Images/collio-map.jpg")
Out[2]:

Radiazione ad Onda Lunga¶

La radiazione ad onda lunga (1-100 μm) è un'importante componente del bilancio di radiazione sulla Terra che influenza numerosi fenomeni come l'evapotraspirazione, lo scioglimento della neve, l'evoluzione dei ghiacciai , la dinamica della vegetazione, la respirazione delle piante e la produttività primaria.

Molti modelli semplificati hanno proposto in modo da poter modellizzare $L_{\downarrow}$ e $L_{\uparrow}$ usando facilmente le osservazioni meteoreologiche disponibili come: la temperatura, l'umidità relativa, la radiazione solare e la copertura delle nuvole.

La formulazione di $L_{\uparrow}$ $[Wm^{−2}]$ e di $L_{\downarrow}$ $[Wm^{−2}]$ sono basati su equazione di Stefan-Boltzmann:

\begin{equation} \Large\ L_{\downarrow} = \epsilon_{all-sky} · \sigma · T_{a}^{4} \\ \Large\ L_{\uparrow}= \epsilon_{s} · \sigma · T_{s}^{4} \end{equation} where:

  • $\sigma = 5.670\cdot 10^{-8}$ è la costante di Stefan-Boltzmann,
  • $\epsilon_{all-sky}$ [-] è l'emissività effettiva dell'atmosfera,
  • $\epsilon_{s}$ [-] è l'emessività del suolo,
  • $T_{a}$ [K] è la temperatura dell'aria vicino alla superficie,
  • $T_{s}$ è la temperatura della superficie del suolo.

In modo da poter aumentare il valore di $L_{\downarrow}$ in condizioni di nubi, l'equazione diventa come segue: \begin{equation} \Large\ \epsilon_{all−sky} = \epsilon_{clear} \cdot (1 + a \cdot c^{b}) \end{equation} where:

  • c [-] è il coefficiente di chiarezza, definisce la copertura del punto in esame,
  • a e b sono due coefficienti di calibratura.

Esistono 10 formulazioni dalla letteratura per i valori di $\epsilon_{clear}$.

La lista completa di parametrizzazioni viene presentata nella Tabella 1 dove viene specificato: il numero delal componente, il nome della componente, l'equazione che lo definisce, il riferimento al foglio dal quale derivano X, Y e Z.

La parametrizzazione scelta è Idso, #6

In [3]:
Image(oms_project_path+"/Images/lwrb1.png")
Out[3]:
In [4]:
Image(oms_project_path+"/Images/lwrb2.png")
Out[4]:

La formulazione di $L_{\uparrow}$ necessità del valore di emissività del suolo, il quale è un valore tipico della natura e della temperatura della superficie.

Nella tabella 3 vengono mostrati i valori di emissività dei suoli- per diversi tipi di suoli. Il valore di $\epsilon_{s}$ varia da un valore minimo di 0.95 adun valore massimo di 0.99.

Ipotizziamo che il suolo sia caratterizzato da una superficie erbosa, perciò il valore di emissività associato corrisponde a: 0.98

In [5]:
Image(oms_project_path+"/Images/lwrb3.png")
Out[5]:

Radiazioni ad Onda Corta¶

Le onde corte incidenti (S) su una superficie arbitraria in condizioni di cielo privo di copertura nuvolosa può essere calcolata come segue:

\begin{equation} \Large\ S_{\downarrow} = C_{1}\cdot I_{sc} \cdot E_{0} \cdot cos(\theta_{s} ) \cdot (T_{s} + \beta_{s} ) \cdot \psi \end{equation} in which:

  • $C_{1} = 0.9751$ è la frazione di radiazione solare che è inclusa tra i valori di lunghezza d'onda pari a 0.3 e 3.0 μm;
  • $I_{sc}$ è la costante solare ∼ 1367 [$W m^{−2}$]
  • $E_{0}$ [–] è la correzione del fattore relativo all'eccentricità dell'orbita terrestre in accordo con Spencer (1971);
  • $T_{s}$ [–] è il prodotto della trasmittanza atmosferica;
  • $\beta_{s}$ [m] è il fattore correttivo per l'aumento della trasmittanza con l'altitudine z[m] definita in accordo con Corripio (2002);
  • $\theta_{s}$ [rad] è l'angolo tra il vettore Sole e la superficie piana di incidenza;
  • $\psi$ è l'indice di ombra per il punto sotto analisi.

La modellazione della componente della radiazione solazione diffusa, $d_{\downarrow}$ , viene calcolata come segue: \begin{equation} \Large\ d_{\downarrow} = (d_{\downarrow r} + d_{\downarrow a} + d_{\downarrow m} ) · V_{s} , \end{equation}

dove $d_{\downarrow r}, d_{\downarrow a}$ e $d_{\downarrow m}$ sono le componenti di irradianza diffusa dopo il primo passo attraverso l'atmosfera a seguito della presenza di aereosol e della riflessione multipla.

Infine $V_{s}$ è il view_factor, ovvero consiste nella frazione di cielo visibile nel punto preso in analisi, calcolata con l'algoritmo di Corripio (2002).


Radiazione Netta¶

La radiazione netta è un bilancio tra la radiazione in entrata e la radiazione in uscita in un punto specifico della superficie della Terra, è spesso diviso in onde corte e in onde lunghe.

$$\Large\ Rn=(1-\alpha)(Rs+d)+Rl_d-Rl_u $$

  • Rn: radiazione netta [$MJ \cdot m^{2} \cdot day^{−1}$]
  • $\alpha$: albedo
  • Rs: radiazione ad onda corta diretta [$MJ \cdot m^{2} \cdot day^{−1}$]
  • d: radiazione ad onda corta diffusa [$MJ \cdot m^{2} \cdot day^{−1}$]
  • Rl_d: radiazione ad onda lunga rilasciata dall'atmosfera [$MJ \cdot m^{2} \cdot day^{−1}$]
  • Rl_u: radiazione ad onda lunga rilascita dal suolo [$MJ \cdot m^{2} \cdot day^{−1}$]

Dati in input per poter eseguire il modello¶

Valpolicella Temperatura dell'aria $[°C]$

In [6]:
os.chdir(oms_project_path + '/data/Vite_Valpolicella/1')
#os.listdir()
In [7]:
import pandas as pd
import plotly.express as px
df2 = pd.read_csv('airT_1.csv',skiprows=6, sep=',', parse_dates=[0], na_values=-9999,usecols=[1,2])
df2.columns = ['Tempo','Temperatura \n [°C]']
fig = px.line(df2, x='Tempo', y='Temperatura \n [°C]', title='Temperature mese di Luglio Valpolicella')
fig.update_traces(line_color='red')
fig.show()

Collio Temperatura dell'aria $[°C]$

In [8]:
os.chdir(oms_project_path + '/data/Vite_Collio/1')
#os.listdir()
In [9]:
import pandas as pd
import plotly.express as px
df2 = pd.read_csv('airT_1.csv',skiprows=6, sep=',', parse_dates=[0], na_values=-9999,usecols=[1,2])
df2.columns = ['Tempo','Temperatura \n [°C]']
fig = px.line(df2, x='Tempo', y='Temperatura \n [°C]', title='Temperature mese di Luglio Collio')
fig.update_traces(line_color='red')
fig.show()